Generatywna sztuczna inteligencja. Wdrażać czy czekać?

Rozwiązania generatywnej sztucznej inteligencji (gen AI) mogą usprawniać działalność operacyjną szpitali i przychodni oraz redukować koszty dzięki lepszemu planowaniu procesów i redukcji obciążeń administracyjnych. Jednak wdrażanie AI w ochronie zdrowia to długi proces, który pociąga za sobą konieczność zatrudnienia inżynierów AI i zwiększenia nakładów na cyberbezpieczeństwo.

Wpływ AI na działalność podmiotów

Odkąd w 2022 roku zadebiutowały pierwsze systemy generatywnej AI, dużo mówi się o potencjalnych zastosowaniach AI w ochronie zdrowia. Gorącym tematem jest automatyzacja procesu tworzenia elektronicznej dokumentacji medycznej i analizy danych pacjenta. AI może zbierać i przetwarzać dane wychwycone podczas rozmowy z pacjentem oraz automatycznie uzupełniać EDM, redukując czas lekarza spędzony przed komputerem (tzw. systemy klasy ambient intelligence). Lekarze mogą też szybciej szukać konkretnych informacji w EDM: zamiast otwierać kolejne okienka systemu IT, aby poznać historię leczenia, wystarczy zadać konkretne pytania. Przykładowo: “pokaż na wykresie wyniki ciśnienia krwi za ostatnie 5 lat w zestawieniu z zażywanymi lekami.”

Duże kliniki, jak amerykańska Mayo Clinic, eksperymentują nawet z dużymi modelami językowymi (LLM) budując własne chatboty dla pacjentów i personelu medycznego.

Kolejną grupą rozwiązań IT opartych na AI są systemy klasy business intelligence stosowane w centrach zarządzania dużych placówek medycznych. Tzw. command centers albo wieże kontrolne są miejscem, gdzie spływają wszystkie informacje z działalności operacyjnej szpitala oraz od pacjentów. Po ich wstępnej analizie przez AI, zespół ekspertów może centralnie monitorować i zarządzać procesami organizacyjnymi i stanem zdrowia pacjentów. Jeszcze innym zastosowaniem są systemy podejmowania decyzji klinicznych zestawiające wyniki badań naukowych z danymi z EDM pacjenta w celu poprawy precyzji diagnozy i leczenia.

Obiecująca teoria a twarde fakty

Te pionierskie rozwiązania są już wdrażane w dużych centrach klinicznych w ramach projektów pilotażowych. Inne podmioty na razie jedynie przyglądają się rozwojowi AI, bo jak przyznają menedżerowie ochrony zdrowia, mimo dużych możliwości, pozostaje wiele niewiadomych.

Najważniejszą barierą są braki regulacyjne. Rozwiązania generatywnej AI, takie jak ChatGPT, nadal pozostają w szarej strefie medycyny: lekarze z nich korzystają, ale nieoficjalnie. Nie wspominając o tym, że nawet bez AI placówki medyczne bardzo ostrożnie wdrażają innowacje w obawie o naruszenie przepisów dotyczących gromadzenia i przetwarzania danych. EU AI Act – który będzie pierwszym krokiem w kierunku uregulowania generatywnej AI – przechodzi obecnie przez proces legislacyjny i ma wejść w życie z końcem 2023 lub początkiem 2024 roku. Według niego, rozwiązania generatywnej AI dla medycyny będą klasyfikowane jako wysokiego ryzyka, co ograniczy ich wykorzystanie.

Kolejnym hamulcem jest fakt, że technologie AI są na tyle nowe, że wielu menedżerów boi się w nie inwestować. Ryzyko jest duże, a potencjalne korzyści – trudne do oszacowania.

Do tego dochodzą koszty. Systemy bazujące na AI są drogie i wymagają rozbudowy infrastruktury IT, jak serwery czy zasoby pamięci w rozwiązaniach chmurowych. Im więcej AI i danych, tym więcej pieniędzy trzeba kierować na cyberbezpieczeństwo. Nawet jeśli uda się znaleźć dodatkowe środki na inwestycje w AI, pozostaje problem o wiele trudniejszy do pokonania: integracja systemów AI z modelami biznesowymi oraz opracowanie modeli językowych dopasowanych do charakteru pracy placówki. W tym czasie można spodziewać się kolejnych innowacji technologicznych, które wymuszą aktualizację starych systemów albo ich wymianę.

Najpierw strategia, potem fajerwerki

W pierwszej kolejności można spodziewać się adaptacji rozwiązań AI dedykowanych tworzeniu EDM, które będą stopniowo wbudowywane w już stosowane aplikacje gabinetowe. W Polsce takie aplikacje są na razie niedostępne, ale ich pojawienie się jest już tylko kwestią czasu. Placówki medyczne, które zdecydują się na ich zakup, mogą liczyć na zwrot z inwestycji w postaci redukcji zadań biurokratycznych i lepszej komunikacji z pacjentami, a w dłuższej perspektywie – poprawę płynności organizacyjnej.

Jak wskazują eksperci, zanim menedżerowie w ochronie zdrowia zaczną na gorąco wdrażać nowinki AI, pierwszym krokiem powinno być stworzenie długoterminowej strategii AI, w tym zaplanowanie budżetu, zatrudnienie inżynierów AI i szkolenia pracowników. Z rozmów z menedżerami ochrony zdrowia można wnioskować, że polskie placówki medyczne nawet nie myślą o stworzeniu strategii dla generatywnej sztucznej inteligencji. Według badania przeprowadzonego przez Bain & Company, tylko 6% amerykańskich systemów opieki zdrowotnej opracowało takie dokumenty.

Kolejnym ważnym zadaniem dla liderów opieki zdrowotnej jest stworzenie solidnej infrastruktury danych i poprawa dojrzałości EDM. Aplikacje oparte na sztucznej inteligencji zmienią sposób gromadzenia, przetwarzania i wyszukiwania danych w elektronicznej dokumentacji medycznej. Równie ważna jest aktualizacja strategii cyberbezpieczeństwa do planów w zakresie AI. Każdy szpital musi uwzględnić ryzyka związane z AI, np. błędne wnioski wynikające ze słabej jakości danych, które mogą mieć wpływ na zdrowie pacjentów.

Eksperci McKinsey sugerują, że rozwiązania sztucznej inteligencji trzeba wdrażać ostrożnie, uwzględniając dotychczasowe procedury pracy, dążąc do integracji aplikacji AI z dotychczasową infrastrukturą IT, aby uniknąć dodatkowych obciążeń technologicznych w pracy personelu medycznego.

Wdrażanie narzędzi generatywnej sztucznej inteligencji przez placówki opieki zdrowotnej wymaga partnerstwa z doświadczoną firmą technologiczną. Menedżerowie opieki zdrowotnej muszą skrupulatnie sprawdzać, czy tego typu rozwiązania są zgodne z wymogami regulacyjnymi i standardami bezpieczeństwa danych oraz czy są zintegrowane z istniejącą infrastrukturą IT.

Czytaj także: Generatywna AI zamienia rozmowy z pacjentem na notatki w EDM